SZENT ISTVÁN EGYETEM Gazdálkodás és Szervezéstudományok Doktori Iskola A BIOÜZEMANYAGOK ELŐÁLLÍTÁSÁNAK ÉS ALKALMAZÁSÁNAK GAZDASÁGI ÉRTÉKELÉSE MAGYARORSZÁGON DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI VIDA ADRIENN GÖDÖLLŐ 2014
A doktori iskola megnevezése: Gazdálkodás és Szervezéstudományok Doktori Iskola Tudományága: gazdálkodás- és szervezéstudományok vezetője: Prof. Dr. Lehota József egyetemi tanár, MTA doktora SZIE Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézete témavezető: Prof. Dr. Illés Bálint Csaba egyetemi tanár, tanszékvezető SZIE, Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézete, Vállalatgazdasági és Menedzsment Tanszék Az iskolavezető jóváhagyása A témavezető jóváhagyása 2
TARTALOM 1. BEVEZETÉS... 4 2. ANYAG ÉS MÓDSZER... 7 2.1. A lakossági attitűd-vizsgálat (primer) adatbázisai... 7 2.2. Beruházás-gazdaságossági vizsgálat (szekunder) adatbázisa... 7 2.3. A faktor-analízis módszertana... 7 2.4. A beruházás-gazdaságossági vizsgálat módszertana... 8 3. EREDMÉNYEK... 11 3.1. A magyar lakosság bioüzemanyag iránti használati és fizetési hajlandóságának vizsgálata... 11 3.2. Az attitűd kvalitatív kifejezési lehetőségének vizsgálata faktoranalízis segítségével... 11 3.3. A mikroökonómaiai vizsgálatok eredményei... 15 3.4. A beruházás-gazdaságossági számítások eredményei... 17 3.5. Magyarország régióinak kockázati szempontú értékelése... 19 4. ÚJ ÉS ÚJSZERŰ TUDOMÁNYOS EREDMÉNYEK... 21 5. KÖVETKEZTETÉSEK ÉS JAVASLATOK... 23 6. AZ ÉRTEKEZÉS TÉMAKÖRÉBEN MEGJELENT PUBLIKÁCIÓK... 26 3
1. BEVEZETÉS Az egyre növekvő energiafelhasználás, világnépesség és éhezés olyan, több évtizede megoldatlan problémák, amelyeket a klímaváltozás és az ez által kialakult szélsőséges időjárási viszonyok tovább súlyosbítottak, a gazdasági válság pedig még inkább megnehezítheti megoldásukat. A napjainkban megújítható energiaforrásnak nevezett bioetanol és biodízel alkalmazása nem tekinthető teljesen újnak. A Diesel motort eredetileg növényi olaj felhasználására tervezték, az etanolt pedig jelentős mennyiségben keverték benzinbe már a két világháború között is. Az olcsó fosszilis energia azonban hosszú időre eltérítette a tudományt a megújítható energiaforrások kutatásától és felhasználásától. A magas keményítőtartalmú növényekből (búza, kukorica, burgonya, cukorrépa; trópusi országokban cukornád és manióka) etanol, míg a magas olajtartalmú növényekből (repce, napraforgó; trópusi országokban szója és jatropha) közvetlenül is felhasználható növényi olaj, illetve észterezéssel és metanol felhasználásával biodízel állítható elő. Az úgynevezett második generációs üzemanyagok a növényi részek cellulóz tartalmának lebontását vagy gázosítást követően 1 nyerhetők. [HANCSÓK, 2004] A felhasznált bioüzemanyag mennyiségének alakulását hazánkban az Európai Unió által meghatározott célkitűzések befolyásolják 2 leginkább. A megújuló energiaforrásokra vonatkozó közösségi tervek 2020-ra a teljes, felhasznált energiaforrásokon belüli arányt 20%-ban határozzák meg, amelynek a félét bioüzemanyagok felhasználásával kívánják elérni. Azok az országok, amelyek alkalmazni kezdték az EU bioüzemanyag politikáját, elsősorban a következő problémák megoldását várták: a fosszilis üzemanyagoktól való függőség csökkentése (energia-ellátás biztonságának javítása), a közlekedési üvegházhatású gázok (továbbiakban: ÜHG) kibocsátás csökkentése (klímaváltozás lassítása) kereslet generálása a mezőgazdasági felesleg levezetésére (gazdálkodók jövedelemtámogatása) A várt előnyök ellenére a 2010-es eredmények alapján már biztosan látható, hogy egyes országok nemcsak a 20%-ot nem tudják majd teljesíteni (Pl.: Csehország, Ciprus, Lengyelország, Magyarország), de a felhasználáshoz szükséges géppark sajátosságai miatt az üzemanyagokra vonatkozó 10% elérése is fizikai korlátokba ütközhet. Vannak persze olyan tagországok is, amelyek mindkét célszám esetében sikeresek, a teljes mutató tekintetében pedig túlteljesítésre lehetnek képesek (Pl.: Svédország, Litvánia, Szlovénia, Románia). Ezek a nagyszabású tervek biztosítják napjaink nagy mezőgazdasági termelőinek a biztos felvevőpiacot a bioetanol és kisebb mennyiségben a biodízel 3 exportjára. [FAO, 2008] A dolgozatom kiindulópontjául a következő gondolatmenet szolgált: A lakossági fogyasztók az üzemanyag árak növekedésekor fogyasztási szokásaikon ugyan változtatnak, de ez csak átmeneti, korábbi szokásaikhoz visszatérnek. Szignifikáns változás hosszú távon (10-15 év alatt), a szemléletmód változtatása eredményeként várható. Amennyiben ez igaz, a beruházás pillanatában megállapítható attitűdöt a 1 Fischer-Tropsch eljárás során csepfolyósítással; Biomass to Liquid - BtL 2 A nemzetközi szervezetek (IEA, OECD, FAO) kalkulációi inkább ajánlásnak, iránymutatásnak tekinthetők, mint kötelezettségnek. Figyelemre méltó az ún. Renewable Portfolio Standard (RPS 2007-ig 44 ország csatlakozott), amely értelmében a csatlakozott (jellemzően EU-n kívüli) országok 5-20 % -os megújuló energiaforrásokra vonatkozó összfelhasználást vállaltak 2010-ig vagy 2012-ig. A bioüzemanyagok arányának meghatározása nemzeti fennhatás alá tartozik. 3 2008 végére Brazília jelentősen fokozta biodízel-termelését, és az USA is hasonlóan tett. 4
bioüzemanyag-gyártó egységekbe történő beruházás kockázati tényezőjeként indokolt figyelembe venni, hiszen a beruházás-gazdaságossági számítások 10-12 év távlatra készülnek. Ez az összefüggés akkor kiemelkedő jelentőségű, ha a kötelező bekeverési arány teljesítéséhez szükséges biokomponens mennyisége nemzeti szinten már biztosított. Ekkor ugyanis egy újabb gyártó egység kibocsátása magas biokomponens tartalmú üzemanyagként kerülne forgalomba, amely megvásárlásáról valóban a fogyasztó dönt. A fogyasztói attitűd kifejezésének leggyakrabban használt módszertana a faktoranalízis. Ahhoz, hogy kvantitatív számításokban érvényesíthető legyen a fogyasztói attitűd, a faktoranalízis során olyan mutató megtalálása szükséges, amely kifejezi az attitűd jellemzőit és szintetizálható a beruházás-gazdaságossági vizsgálatokba. A fenti gondolat mind időben, mind terjedelemben túlmutat doktori értekezés keretein, ugyanakkor célkitűzéseim és hipotéziseim megfogalmazása során mindvégig szem előtt tartottam. A fentiekből kiemelve a dolgozat elkészítése során célom volt: C 1 : definiálni az(oka)t a makrokörnyezeti eleme(ke)t és folyamato(ka)t amely(ek) a bioüzemanyagok alkalmazásának sikerét meghatározza/meghatározzák, C 2 : feltárni a magyar lakosság bioüzemanyagok iránti attitűdjét, C 3 : a bioüzemanyagok előállításának üzemi szintű, ökonómiai elemzése során feltárni a kulcstényezőket és változásuk hatását a beruházás megtérülési jellemzőire. Célkitűzéseim alapján a következő fő hipotéziseket fogalmaztam meg: H 1 : Magyarországon rendelkezésre állnak a bioüzemanyagok előállításához (ezáltal a nemzeti célkitűzések sikeres teljesítéséhez) szükséges makrokörnyezeti feltételek. H 2 : A magyar lakosság környezettudatos magatartása és a bioüzemanyagok iránti attitűdje között van összefüggés. H 3 : A bioüzemanyagok előállítása megtérülő, de magas kockázatú beruházás. A dolgozatom elkészítésének folyamatát az 1. ábra tartalmazza. 5
TDK és Diplomadolgozat A szélenergiába, mint megújuló energiaforrásba történő beruházás gazdaságossági vizsgálata Gyakornok Földművelésügyi és Vidékfejlesztési Minisztérium Kutatási téma meghatározása Célkitűzések megfogalmazása Hipotézisek felállítása Szakirodalom feldolgozása I. Bioüzemanyagok makrokörnyezetének elemzése STEEP-analízis segítségével Lakossági kérdőíves lekérdezés Adatbázis I. (2011-től) (15 és 16. sz. Melléklet) Szekunder adatbázis kialakítása beruházások gazdasági jellemzői Adatbázis tisztítása (2011) Adatbázis létrehozása (rögzítés, kódolás; 2012, 2013) Beruházás-gazdaságossági modell továbbfejlesztése (NPV, IRR, MI) Módszertan I. Leíró statisztika Összefüggés-vizsgálat Módszertan II. Faktoranalízis Klaszter-analízis Fogyasztói attitűd, mint beruházási kockázat módszertani lehetőség vizsgálata Lakossági kérdőíves lekérdezés Adatbázis II. (2013) (17. sz. melléklet) Kutatási eredmények bemutatása, a megfogalmazott hipotézisek igazolása vagy elvetése Új és újszerű tudományos eredmények megfogalmazása Következtetések és javaslatok ismertetése, összefoglalás Forrás: SAJÁT SZERKESZTÉS, 2014 1. ábra: A doktori értekezés elkészítésének folyamata 6
2. ANYAG ÉS MÓDSZER A meghatározott célok elérése, továbbá a megfogalmazott hipotézisek igazolása vagy cáfolása érdekében kérdőíves lekérdezés történt, amelyen keresztül primeradatokat tartalmazó adatbázist elemeztem. A lakossági attitűd vizsgálatára két adatbázist használtam. A beruházás-gazdaságossági vizsgálatok alapjául szakirodalmi adatok, valamit a (korábbi) szakmai munkáim során rendelkezésemre bocsátott szekunder információk szolgáltak. 2.1. A lakossági attitűd-vizsgálat (primer) adatbázisai I. Adatbázis A lakosság bioüzemanyagok iránti attitűdjének vizsgálatához használt primer adatbázis kialakítása számítógéppel támogatott telefonos lekérdezéssel (Computer Assisted Telephone Interview - CATI) történt 2011-ben. Felhasználva az irodalofeldolgozásban bemutatott nemzetközi és hazai kutatási eredményeket, a lekérdezett kérdőív saját munkám eredménye. A lekérdezés helyszíne 2011. márciustól májusig a NOESIS Innovációs Kft. irodája volt, ahol kutatási támogatás keretein belül rendelkezésemre állt a számítógépes és telefonos infrastruktúra. 2011. júniustól a vállalkozás munkái miatt a lekérdezést a kapott telefonszámok szerint internet alapú telefonos szolgáltatás segítségével fejeztem be. Az nyert adatbázis kor és nem szerint reprezentatívnak tekinthető azzal a kitétellel, hogy az alapsokaságot a vezetékes telefonnal rendelkező lakosság jelentette. Célkitűzéseim között szerepelt az üzemanyagár-változás hatásának vizsgálata is, ennek érdekében a lekérdezést megismételtem 2012 és 2013 években is. Ezekben az években már nem volt lehetőségem a 2011 évhez hasonló, reprezentatív adatbázis kialakítására, a lekérdezés rokonok és barátok segítségével (munkahelyen, baráti körben) véletlenszerűen történt. Fontosnak tartottam, hogy a gépjármű használati szokásokra és a bioüzemanyagokra vonatkozó kérdéseimre csak azok adjanak választ, akik rendszeresen használnak és jövedelmükből finanszíroznak személyautót. II. Adatbázis Az általam feldolgozott II. adatbázis a 2013-ban, a Prof. Dr. Lehota József által vezetett kutatás eredménye. A kérdőív lekérdezése a Cognative Piackutató Kft. Omnibus 2013 programjának keretében zajlott. A 15 év feletti lakosság körében, rétegzett település és megyék alapján kialakított mintavétel eredményeként létrejött minta 1038 elemet tartalmazott. Mindkét adatbázis kiértékelésére a Statistical Package for Social Sciences (továbbiakban: SPSS 21.0) programcsomagot használtam. 2.2. Beruházás-gazdaságossági vizsgálat (szekunder) adatbázisa A beruházás-gazdaságossági vizsgálatomban egyrészt a szakirodalmi fejezetekben feldolgozott kutatásokban közölt adatokat, másrészt a Földművelésügyi és Vidékfejlesztési Minisztériumban végzett munkám során rendelkezésemre bocsátott dokumentumok adatállományát használtam fel. Az alapanyag és értékesítési árak idősorainak elemzését statisztikai adatbázisok (KSH, EUROSTAT, FAPRI, USDA) felhasználásával végeztem. A beruházás-gazdaságossági vizsgálatot egy, a Microsoft Office programcsomag Excel táblázatában, általam elkészített modell segítségével végeztem el. A táblázat egyszerű formáját már a diplomadolgozatom elkészítése során is használtam, ennek továbbfejlesztésével jutottam el a disszertációmban alkalmazott változathoz. 2.3. A faktor-analízis módszertana A faktoranalízist a 19. század elején még kizárólag a pszichológiához kapcsolódó matematikai-statisztikai tudomány, a pszichometria használta. [RÓZSA et al., 2003] Mint többváltozós statisztikai 7
módszertant, a közgazdaságtan csupán 1960-tól alkalmazza, napjainkban azonban már minden olyan diszciplína esetén találhatunk példát, ahol több változó komplex vizsgálatára, számuk csökkentésére van szükség [SZAKÁLY SZIGETI, 2012; LEHOTA et al., 2014]. A marketing- és szociológiai kutatásokban a faktoranalízist általában ötféle célra használják [SCIPIONE, 1994; p. 220]: 1. Felfedni vagy kimutatni az adatsorok változói között létező dimenziókat vagy struktúrákat. 2. Adatcsökkentő módszerként. 3. Piaci szegmentumok szétválasztására fogyasztók csoportosítására a szokásaikat, szükségleteiket, preferenciáikat és/vagy demográfiai viszonyaikat leíró tényezők szerint. 4. Az attitűdöket, szükségleteket stb. leíró objektív mennyiségi súlyozás kifejlesztésére. 5. A vizsgálati és hipotetikus trendek összehasonlítására, vagy különböző időpontban végzett vizsgálatok trendjeinek összehasonlítására. A faktoranalízis további előnyeiként említhető [WÁGNER, 2003; p. 350.]: a vizsgált jelenség szempontjából lényeges adatokat a vizsgálatot megelőzően nem kell rangsorolni, a faktoranalízis alkalmas különböző jellegű adatok, mennyiségi és számszerűsíthető minőségi ismérvek együttes kezelésére, a vizsgált változókat nem kell megosztani függő és független változókra, a vizsgálat eredménye felhasználható regresszió- és klaszter-analízishez. A faktoranalízis légyege tehát, hogy a rendelkezésre álló változók struktúráját összefüggéseik alapján egyszerűbbé, a döntések megkönnyítését lehetővé tevő újabb dimenziókba sorolja, tehát az így létrejött csoportok számának kevesebbnek kell lenni, mint az eredetileg alkalmazott változók száma. 2.4. A beruházás-gazdaságossági vizsgálat módszertana A dinamikus, vagyis az időtényezőt a diszkont kamatlábon keresztül érvényesítő beruházás-gazdaságossági számítások alapjául a nettó jelenérték (továbbiakban: NPV) számítás szolgál, a származtatott mutatók (MI megtérülési idő, IRR belső megtérülési kamatláb, BCR vagy DRR dinamikus forgási mutató) pedig további, az ökonómiai szempontból megalapozott döntéshez szükséges információt is biztosítják. A dinamikus nettó jelenérték mutató számítás kapcsán kétféle koncepció különböztethető meg: az egyik pénzügyi-szemléletű, és leginkább a pénzpiaci műveletek számítására alkalmas. Sajátossága, hogy egy egyszeri befektetett összeget követően rendszeresen jelentkező (operatív) költséggel nem kell számolni, ugyanakkor rendszeres jövedelem vagy a gazdasági időtáv végén egyszeri pénznövekmény (vagy veszteség) keletkezik. Ezzel szemben a projekt szemlélet az egyes időszakok bevételeihez rendeli az azonos időszakra jutó termelési költségeket is, majd ezek egyenlegét diszkontálja. A két, technikájában és matematikai hátterében nem különböző szemléletmód kifejezései a 36. táblázat szerint illeszthetők össze. Ennek megfelelően pedig az NPV számításának is több módja lehetséges annak függvényében, hogy mely tényezőre és/vagy szemléletmódra koncentrál. Későbbi számításaim során az ILLÉS (2000) által alkalmazott formulát fogom használni. (1. táblázat) Az NPV értékelése a következő jellemzők alapján történhet [MONGEAU, 2012]: a nettó jelenérték szórása, [alkalmazza még: BÉLYÁCZ, 2009] a normális eloszlástól való eltérés, ferdeség (skewness), az érzékenység kulcstényezőinek meghatározása, vagyis a számítás során felhasznált tényezők, NPV-re gyakorolt hatása. 8
1. táblázat: A nettó jelenérték (NPV) kiszámításának lehetőségei NPV kiszámításának módja Sajátossága Forrás C1 C2 Cn NPV = C0 + + +... + 2 n Csupán a tényező 1+ r 1+ r 1+ r magyarázata tartalmazza a negatív előjel használatát C 0 esetében. C 0 =0-dik időszak pénzáramlása (a beruházással kapcsolatos kiadások, negatív előjellel) r = tőke alternatív (haszonáldozati) költsége (elvárt vagy hasonlító hozam) n = pénzáramlás teljes időtartama (év) C n = n-dik időpontban kapott növekmény n Ct NPV = PV C0 = C t 0 (1 + r) t = 1 Pénzügyi szemléletet követ, jellemzően pénzpiaci tranzakciók során alkalmazzák SUDGEN WILLIAMS, 1978 C 0 = 0-dik időszak pénzáramlása (a beruházással kapcsolatos kiadások, negatív előjellel) C t = t-dik időpontban kapott pénz (bevétel, pozitív előjellel) n = pénzáramlás időtartama (év) r = tőke alternatív (haszonáldozati) költsége (elvárt vagy hasonlító hozam) t t C = R I * q 0 +... + ( R I ) * q + L * q 0 0 0 C 0 = nettó jelenlegi érték, q = kalkulatív kamatláb R t = megtérülés periódusonként I t = beruházási kiadások periódusonként L t = likvidációs érték a hozamidő végén NPV = I + { N * [ s l + m ]} * PVIFA I = kezdeti beruházási kiadás N = éves értékesítési volumen s = termelékenység árbevétele l = termelékenység bérköltsége m = termelékenység anyagköltsége; k = tőkeköltség n = projekt élettartama; PVIFA = annuitás jelenérték faktor B 0 =0-dik időszak pénzáramlása (a beruházással kapcsolatos kiadások, negatív előjellel) b i = i-edik időszak bevételei, k i = i-edik időszak kiadásai q = technikai szám, amely 1+p, p = kalkulatív kamatláb t t t n k A képlet is tartalmazza a negatív előjelet C 0 -ra vonatkozóan A beruházás kiadásait nem egy összegben veszi figyelembe, hanem folyamatos kiadásokat feltételez. Fókuszában a termelési tevékenység gazdasági jellemzői állnak (értékesítési volumen, bérköltség, anyagköltség) A beruházás évenkénti, diszkontált pénzáramlásait halmozza és csökkenti a beruházási költséggel. A bevételi és kiadási kategóriákat a kiválasztott időegységre összesítve tartalmazza. BREALEY MYERS, 2005 ULBERT, 1992 BÉLYÁCZ, 2009 HUETING, 1990 ILLÉS, 2000 CF = cash flow (profit és amortizáció az i-edik évben d = diszkont ráta, i = az év száma n = a beruházás/vizsgálat teljes időtartama (évben) C = beruházott összeg a j-edik évben (a tényezők között a szerzők felsorolták, de a képletből kimaradt) Forrás: SAJÁT SZERKESZTÉS, 2014 a táblázatban jelölt források alapján A képlet nem különbözteti meg a beruházott összeget. Ez vagy hiba, vagy a cashflow része lehet. Átmenetet képez a pénzügyi és projektszemélet között. LAKNER et al., 2010 A 2. táblázatban a bevezetésben megfogalmazott célkitűzéseim, hipotéziseim, az általam felhasznált adatbázisok forrásának és az alkalmazott módszertanoknak a rendszerét foglaltam össze. 9
2. táblázat: A kutatás célkitűzéseinek, hipotéziseinek, adatbázisainak és módszertanainak kapcsolatrendszere C 1 A dolgozat elkészítése során célom volt: C 2 feltárni a magyar lakosság bioüzemanyagok iránti attitűdjét és érvényesíteni a beruházásgazdaságossági vizsgálatokban, C 3 a bioüzemanyagok előállításának üzemi szintű, ökonómiai elemzése során feltárni a kulcstényezőket és változásuk hatását a beruházás megtérülési jellemzőire. Forrás: SAJÁT SZERKESZTÉS, 2014 H 1 Magyarországon rendelkezésre állnak a bioüzemanyagok előállításához (és ezáltal a nemzeti célkitűzések sikeres teljesítéséhez)szükséges makrokörnyezeti feltételek. H 2 A magyar lakosság környezettudatos magatartása és a bioüzemanyagok iránti attitűdje között van összefüggés. H 3 A bioüzemanyagok előállítása a megtérülő, de magas kockázatú beruházás. Hipotézisek H 1.1 : Az Európai Unióban és így Magyarországon a bioüzemanyagok előállítása és felhasználása top-down elvű jogszabályi keretek között zajlik, a teljes gazdasági folyamat azonban túlmutat az Európai Unió határain. A kölcsönhatások eredményeként a tagállamok által várt pozitív hatások megvalósulása kétséges. H 1.2 : Magyarországon a bioüzemanyagok ellátási láncának szereplői között a szabályozás nem szolgálja a kitűzött célok sikeres teljesítését. H 2.1 : A gépjármű tulajdonosok ismerik a bioüzemanyagokat. H 2.2 : A bioüzemanyagokkal kapcsolatos fogyasztói válaszok a demográfiai jellemzők által befolyásoltak. H 2.3. : Az állításlistában léteznek olyat változók, amelyek függetlenül a faktorextrakció és az adat jellegétől, kapcsolatban állnak. (Az ökonómiai számításokban ezeket az állandó tényezőket lehet érvényesíteni.) H 2.4 : Az attitűdvizsgálat eredményeként a környezettudatosság és a gépjármű használati szokások kapcsolata mentén három fogyasztói csoport definiálható. H 3.1 : Az alapanyagköltség külső adottság a bioüzemanyagot előállító üzem számára, de létezik üzemi szintű optimum pont. H 3.2 : A bioetanol és a biodízel előállításába történő beruházás megtérülési jellemzői eltérőek, amely elsődleges oka a technológiai különbségekre vezethető vissza. H 3.3 : Egy elsőgenerációs technológiát alkalmazó bioüzemanyag üzem telepítése szempontjából Magyarország régiói eltérő környezeti kockázattal jellemezhetők. Adatbázis Szakirodalmi források szintetizálása Saját adatgyűjtés (15. és 16. sz. melléklet) OMNIBUSZ 2013 kutatás (17. sz. melléklet) statisztikai adatsorok Üzemi adatok statisztikai adatsorok és a 4.1 fejezet regionális bontású eredményei Módszertan definiálni az(oka)t a makrokörnyezeti eleme(ke)t és folyamato(ka)t amely(ek) a bioüzemanyagok alkalmazásának sikerét meghatározza/meghatározzák, STEEPanalízis leíró statisztika, kereszttábla elemzés faktoranalízis faktor- és klaszteranalízis statisztikai szórás beruházásgazdaságoss ági vizsgálat telephelykiválasztás súlyozott pontszám módszere 10
3. EREDMÉNYEK 3.1. A magyar lakosság bioüzemanyag iránti használati és fizetési hajlandóságának vizsgálata Az (általában használt) üzemanyagok bioüzemanyag tartalmának ismertségét vizsgáló kérdésre adott válaszok szerint 675 gépjármű tulajdonos közül 131-en tudták pontosan megmondani a biokomponens tartalom helyes arányát. A 2012 és 2013-as eredményekben a válaszok aránya rendkívül hasonló volt, de 2011-es mintában közel 10%-kal magasabb azoknak az aránya, akik szerint az általános üzemanyag nem tartalmaz biokomponenst. A bioüzemanyagok iránti használati hajlandóságot vizsgáló kérdésem vonatkozásában mindhárom évben a válaszadók közel azonos része (sorrendben: 24,4%, 23,3%, 22,3%) nem használna ilyen üzemanyagot, mert nem tudja, hogy gépjárműve alkalmas-e a használatára. Pár százalékkal magasabb arányt képviselve, de a hasonlóság megmarad az igen, de csak akkor, ha olcsóbbá teszi a tankolást válasz esetén is. A válaszok alapján elmondható, hogy a bioüzemanyagok használatától a környezet védelmét várják leginkább a válaszadók (sorrendben: 40,6%, 29,0%, 30,1%). 2012 és 2013 években választási lehetőség volt nem, mert tudom, hogy az autóm nem alkalmas a használatra. Ezt sorrendben a válaszadók 13,8% és 16,5%-a választotta, tehát a válaszadók tájékozottsága javulni látszik. A táblázatból látható, hogy a helyes bekeverési arányt ismerő válaszadók 14-22%-a fizetne többet a magasabb bioüzemanyag tartalmú üzemanyagért, ugyanakkor az ismerettel rendelkezők között is a többlet fizetésének elutasítása jellemző. A biokomponens arányát illető kérdés utolsó oszlopában látható, hogy minden évben és minden kategóriában a nem tudom válaszlehetőség képviseli a legmagasabb értéket. A fogyasztási hajlandóságra adott válaszok alapján megállapítható, hogy függetlenül attól, hogy melyik évet vesszük figyelembe azok, akik hajlandóak többet fizetni a magas biokomponens tartalmú üzemanyagért elsősorban a pozitív környezeti hatás miatt teszik azt. Azok viszont, akik elutasítják a felár megfizetését, a magasabb bekeverési aránytól az üzemanyag árának csökkenését várják. Elfogadva EK (2005) gondolatát, amely szerint a környezettudatosságból levezethető az energiatudatosság, álláspontom szerint a lakossági fogyasztók három hipotetikus csoportba sorolhatók. Ezek a hipotetikus fogyasztói csoportok egyben kvalitatív kockázatot is jelentenek egy bioüzemanyagokat előállító üzem számára abban az esetben, ha a kötelező bekeverési aránynál magasabb biokomponens tartalmú üzemanyagok megvásárlásáról kell döntenie a fogyasztónak. A 4. táblázat színezésével a bioüzemanyagok iránti, feltételezett attitűd kvalitatív kockázatára szerettem volna utalni, amely alapjául a környezet- és energiatudatos szokások szolgáltak. A fogyasztói attitűd meghatározásának egyik leggyakrabban alkalmazott módszertana a faktoranalízis. Ennek a módszertannak az egyik gyengesége a faktorok elnevezése során megjelenő szubjektivitás. Éppen ezért a faktorokat olyan változók alapján indokolt elnevezni és jellemezni, amelyek akkor is egy faktorba kerülnek, ha a faktorextrakciós módszer változik vagy az adatok nem Likert-skálán, hanem dummy változóként állnak rendelkezésre. Ez a felvetésem nem azonos sem a Cronbach-alfa, sem a Kaiser-Mayer-Oklin mutató (továbbiakban: KMO) logikájával, amelyek a módszertan alkalmazhatóságát vizsgálják. 3.2. Az attitűd kvalitatív kifejezési lehetőségének vizsgálata faktoranalízis segítségével Elsőként a faktoranalízis módszertanára vonatkozó H 2.3 hipotézisem vizsgálatát végeztem el, amely logikai keretét a 2. ábra mutatja be. Az eredeti adatbázis (ER) a lakossági válaszokat egytől ötig terjedő Likert-skálán mérve tartalmazza. Az eredeti adatbázisból további hármat alakítottam ki (D1, D2 és D3) annak függvényében, hogy a középső (3) értéket a válaszok között hova soroltam. A dummy vagy dichotom változókká való alakítás ellen szól, hogy a magasabb mérési szintű, metrikus változókból alacsonyabb szintű, nominális változók képzése információvesztéssel jár. Indokolja azonban, hogy: 11
A környezet és energiatudatos szokásokkal kapcsolatban a válaszadó feltételezhetően még nehezebben tudja meghatározni a skálaértékek közötti különbséget meghatározni és ezáltal a saját szokásait értékelni. Így a válaszadó várhatóan inkább felülértékeli saját aktivitását. A középső (3) érték további kérdést vet fel: az adott szokás esetenként jellemző, bizonyos feltételektől függően jellemző (de ezeket pontosan nem ismerjük esetleg a megkérdezett demográfiai adatokkal kereshető összefüggés) vagy a válaszadó a Nem tudom/nem válaszolok lehetőség helyett jelölte meg. Az igen-nem jellegű kérdések egyszerű és gyors kitöltése a válaszadási hajlandóságot is javíthatja. Forrás: SAJÁT SZERKESZTÉS, 2013 2. ábra: A II. primer adatbázis elemzésének logikai struktúrája A vizsgálat céljának megvalósítása érdekében mind a négy adatállományt mind a hét lehetséges faktorextrakciós módszerrel lefuttattam és megvizsgáltam a megfelelőségi kritériumok változását. Az eredményeket strukturáltam és megvizsgáltam a faktorok tartalmát, a változók kapcsolatát, és magyarázatot kerestem a faktorok tartalmának változására. A faktoranalízis megfelelőségi szempontjait a reprezentativitást biztosító súlyokkal is elvégeztem (az eredmények jelölése: ER_s, D1_s, D2_s, D3_s), az eredményeket összehasonlítását az 5. táblázat tartalmazza. A KMO szerint mind a négy változat elvégezhető, a magyarázott variancia 53-63%-a volt megtartható a faktoranalízis során. A súlyozás hatására mind a KMO, mind a magyarázott variancia értéke csökkent, a Cronbach-alfa értéke viszont ER, D1 és D2 esetében nőtt, míg D3 vonatkozásában csökkent. A faktorok száma ER és D1 adatai alapján is 7, amit a súlyozás 10-re növelt, ugyanakkor a D2 és D3 vizsgálatok 11 faktorát a súlyozás csökkentette, szintén 10-re. A faktoranalízisek eredményeként kiválasztott faktorok olyan változókat tartalmaznak, amelyek függetlenül a faktorextrakciós módszertől vagy az adatbázis átalakításától, együtt maradtak 4, ezért Állandó változó knak neveztem el. A Feltételes változók csoportjába azok tartoztak, amelyek egyes faktorextrakciós módszerek és/vagy az adatbázis átalakítása miatt más faktorba is kerülhetnek. A következő lépésként a változók viselkedésére próbáltam magyarázatot keresni. Az elemzett faktorok állandó és feltételes változóinak viselkedésére a vizsgált jellemzők (átlag, szórás, kommunalitás stb.) nem adtak egyértelmű választ. A többi, kiemelt változónál (6. táblázat) a faktorsúlyok változása nem mutatott szabályszerűséget, ezért a kockázat kifejezésére a feltételezett módon nem alkalmasak. 4 A hét vizsgálatból legalább 5 esetén egy faktorba kerültek. 12
A változó faktorképző képességét a szakirodalom által felsorolt jellemzők (ferdeség, csúcsosság stb.) közül csupán a korrelációs kapcsolat erősségére tudtam visszavezetni. Vizsgálatom során nem a korrelációs együtthatók erősségére vonatkozó szabályok követése vezetett megoldáshoz. Megállapítottam, hogy az egyes változók korrelációs együtthatóinak legmagasabb értékei meghatározók a faktorképzés során, nem pedig az, hogy ezek az értékek milyen szakirodalom szerint definiált erősségű kapcsolatot jelölnek. A vizsgálat eredeti célját vagyis a társadalmi attitűdöt kifejező egyetlen mutató megtalálását ugyan nem értem el, ugyanakkor definiáltam a változó és ezáltal a faktor megbízhatóságát és a változó faktorképző képességét. A változó megbízhatóságát a következő jellemzők alapján határoztam meg: a változó faktorsúlyának szórása alacsony, a faktorba kerülő változók kapcsolata állandó a faktoron belül, és ez a kapcsolat független az adatok átalakításától és a faktorextrakciós eljárás hatására sem változik meg tartósan, a faktoron belüli helyezése (sorszáma) állandó, vagyis a faktorextrakciótól független, amennyiben a változó a faktor eleme. Ezt a tulajdonságot a változó stabilitásaként határoztam meg. A módszertani vizsgálatot követően a faktoranalízist megismételve 5 már a csoportalkotás és a faktorok elnevezése vált fontossá. Ennek érdekében a megfelelési kritériumok (Cronbach-alfa, Kommunalitás és a korábbi faktorokban való hely) alapján kiválasztottam az elhagyható változókat. Mivel minden esetben a KMO és a Cronbach-alfa is alátámasztotta a faktoranalízis létjogosultságát, a legkevesebb információ veszteséggel járó, vagyis a legmagasabb magyarázott varianciát eredményező vizsgálatot fogadtam el, amely során négy változót hagytam el. A faktorokat alkotó változók faktorsúlyát és a faktorok elnevezését részletesen a 3. táblázat tartalmazza, feltűntetve a faktoranalízisből kihagyott változókat is. Világosszürke háttérrel jelöltem azokat a változókat, amelyek a legelső faktoranalízis eredményeként is egy faktorba kerültek, félkövérrel szedtem azokat, amelyek állandó és/vagy feltételes változói voltak a faktornak. 3. táblázat: A végleges faktoranalízis változói, valamint a faktorok elnevezése Faktorok és változóik Faktorok elnevezése SZ 16, 13, 15, 14, 12 6 Gépjármű-használati szokások SZ 18, 22, 17, 20, 25, 21 Hulladékgyűjtési szokások K 2, 1, 4, 3 Kockázatér(z/t)ékelés SZ 2, 1, 8, 9 Energiatudatos szokások SZ 7, 10, 11 Energiatudatosság és nyitottság a megújuló energiaforrások iránt SZ 19, 4, 5 (Energia)takarékosságra irányuló szokások SZ3 Ún. félig vagy teljesen passzív házat építek vagy alakítok ki. A konyhai és a kerti szerves hulladékot szelektíven gyűjtöm és komposztálom (saját Kihagyott SZ23 vagy önkormányzati formában). változók SZ24 Az elromlott háztartási eszközöket, berendezéseket megjavíttatom vagy megjavítom. SZ26 Társadalmilag felelős üzletekbe és vállalkozásokba történő befektetésekre törekszem. Forrás: SAJÁT SZÁMÍTÁS EREDMÉNYE, 2014 Az első, Gépjármű-használati szokások -ként elnevezett faktor tartalma egy elemben változott: az első vizsgálathoz képest SZ26 kihagyásával az SZ6 változó került be azok mellé az elemek mellé, amelyeket a módszertani vizsgálat során is stabil változókként határoztam meg. További jelentős változás, hogy a nyílászárók (SZ1) és a ház hőszigetelése (SZ2) egy faktorba került az energiatakarékos készülékek vásárlásával (SZ8) és a tartós eszközök használatával (SZ9). Ezek a szokások nem csupán a felhasznált energia mennyiségét csökkentik, mint az utolsó, Energiatakarékosságra 5 Fakrotextrakció: Pricipal Component Analysis, Rotáció: Varimax 13
irányuló szokások. Ez a magatartás feltételezi a tájékozottságot, a fizetési hajlandóságot 6, és a hosszú távú szemléletet, ezért Energiatudatos szokások faktornak neveztem el. Az utolsó faktor (SZ19, 4, 5) elnevezése (Energia)takarékosságra irányuló szokások lett. Feltételezhető, hogy itt a hangsúly az elfogyasztott javak mennyiségi csökkentése révén elérhető költségmegtakarításon van és nem a környezet- vagy energiatudatos cselekvés szándékán. A megújuló energiaforrásokra vonatkozó két állítás (SZ10 és 11) a tudatos energiafogyasztásra utaló SZ7 ( Külön mérőműszerrel mérem a nagy energiaigényű háztartási eszközök fogyasztását. ) állítással került egy faktorba. Ez a faktor mutat rá leginkább, hogy az újdonságok, a megújuló energiaforrások iránti nyitottságnak alapvető feltétele a tényleges fogyasztás ismerete. Ennek a faktornak a tartalma összhangban áll WILHITE és LING (1995) kutatási eredményével. A 3. táblázatban látható faktoranalízis eredményét további vizsgálatra, K-közép klaszter-analízist elvégzésére használtam fel. Az eredményt, valamint a klaszterek demográfiai jellemzését a 4. táblázat tartalmazza. 4. táblázat: A klaszterek jellemzése demográfiai adatok segítségével Változó 1. Klaszter 2. Klaszter Csak a klaszterek jellemzésébe bevont demográfiai változók Jellemző faktor Klaszterek elnevezése Szelektív hulladékgyűjtő Energiatakarékos szokások (NEGATÍV) Energiatudatos és nyitott a megújuló energiaforrások iránt (NEGATÍV) Energiatakarékos szokások Szelektív hulladékgyűjtés (NEGATÍV) Kapcsolat erőssége (CramerV) Szig. szint nincsen jelentős Nem inkább nők különbség 0,05 Kor aktív dolgozó nyugdíjas (ahhoz közeli) gyenge Családi állapot házas/független házas/özvegy 15 év alatti gyermek nincsen 15 éven aluli gyermek 0,1 Iskolai végzettség érettségi elemi 0,296 Jövedelem 100.000 Ft felett 100.000 Ft alatt Budapest és Pest megye Régió Észak-Dunántúl Észak-Magyarország 0,05 Dél-Magyarország Kelet-Magyarország gyenge Autó léte Nincsen autó Hengerűrtartalom 1.000 1.500 cm 3 Üzemanyag típusa Benzines 0,1 Környezet-, de még nem energiatudatos (Energia) Takarékos szig.szint = szignifikancia szint Forrás: SAJÁT SZÁMÍTÁS EREDMÉNYE, 2014 A faktoranalízis eredményeként a gépjármű használati szokások különálló faktorba kerültek, nem mutattak kapcsolatot más szokásokkal vagy a globális kockázatot érintő állításokkal. Ezzel az eredménnyel áll összhangban a klaszter-analízis is, amely szerint a két klaszter között nincsen meghatározó különbség a gépjárművek jellemzői vagy a használati szokások mentén. Az egyetlen, szignifikáns és közepes erősségű kapcsolatot jelölő demográfiai jellemző az iskolai végzettség volt. A korábbi elemzésekkel összhangban a klaszter-analízisben sem vált hangsúlyossá az autóhasználati szokások faktora. 6 A nyílászárók cseréje és a lakóház szigetelése esetenként jelentős saját forrást igényel, az energiatakarékos és tartós eszközök pedig jellemzően magasabb árkategóriába tartozó termékek. 14
A lakossági attitűd vizsgálatár irányuló elemzési munka mindkét adatbázist beleértve alapján elmondható, hogy a magyar lakosság körében jelenleg a környezettudatos magatartás és a gépjárműhasználattal kapcsolatos szokások nem függnek össze. A szokások változásának oka elsősorban a költségcsökkentés és nem a környezetvédelem. Szintén levonható az a következtetés is, hogy bár a válaszadók érzékelik a környezeti (globális/társadalmi) kockázatokat (Kockázatértékelés faktor), az önmaguk által definiált egyéni szerep megítélése bizonytalan így szokásaik nem ezek tudatos megoldására irányulnak. 3.3. A mikroökonómaiai vizsgálatok eredményei A szakirodalmi feldolgozás során elkészített STEEP-analízis rámutatott arra, hogy bár bioüzemanyagokat érintő vagy az általuk generált közvetlen és közvetett hatások pontos számszerűsítése a gazdasági szektorok kölcsönhatásai miatt meglehetősen nehéz. Abból adódóan, hogy a dolgozatom egy lényeges eleme a bioüzemanyagok előállításába történő beruházás ökonómiai vizsgálata, a beruházások kritikus eleme pedig az alapanyagok beszerzési és a bioüzemanyagok értékesítési ára, fontosnak tartottam ezeket önállóan vizsgálni. Ha a múltbéli hozamok ingadozása (szóródása) kicsi, akkor feltételezhető, hogy a befektetés szóródása is kicsi. Ha nagy a szórás, akkor a kockázat is nagyobb lesz. Ennek alapján a kockázatot a múltbéli hozamok szórásaként definiáljuk. [FIALA, 1999; p. 73.] Annak ellenére, hogy FIALA (1999) definíciója elsősorban pénzpiaci tranzakciókra vonatkozott, véleményem szerint a bioüzemanyagok gyártására felhasználható alapanyagok árának, valamint a bioüzemanyagok nemzetközi árának elemzésére is alkalmazható. Az árak változása mentén nem találtam olyan kiemelhető pontot, amelyet üzemi szintű optimum pontnak nevezhettem volna, ezért a szórás használatára vonatkozó logika mentén haladva kiszámítottam minden alapanyagarány árváltozási mátrixát és azok szórását és azt ebben az esetben is, mint kockázati tényezőt értelmeztem. A szórás alakulásában minimumpontot találtam mind a biodízel, mind a bioetanol alapanyag-kombinációi esetén, így ezen a ponton a legkisebb a bioüzemanyagot előállító üzem alapanyagárakból származó ökonómiai kockázata. A 3. ábrán a repce és a napraforgó felhasználásával kapott számítási eredmények láthatók. Az oszlopok a szórás, a színek pedig a kockázat mértékére utalnak. Az eredmények rámutattak, hogy a legkisebb ökonómiai kockázat egyben nem a legalacsonyabb alapanyagköltséget biztosítja a bioüzemanyag-gyártó számára. Rxx-Nxx = Repce aránya (%)-Napraforgó aránya (%); piros = jelentős kockázat; sárga = mérsékelt kockázat; zöld = alacsony kockázat Forrás: SAJÁT SZÁMÍTÁS EREDMÉNYE, 2014 3. ábra: A biodízel alapanyag-arányának és árának együttes hatása az alapanyagköltségre 15
A technológia hatékonyság és az ár változásának együttes hatása A felhasznált alapanyagból előállítható bioüzemanyag mennyiségének változása, vagyis a technológia hatékonysága nem csupán a felhasznált mennyiség, és ezáltal a költség csökkentésének szempontjából fontos. Igazolható technológiai fejlesztés és a felhasznált mennyiség csökkentése révén a lakossági ellenállás is mérsékelhető lenne azok körében, akiknél az alacsony használati hajlandóság a food-fuel problémára vezethető vissza. A technológiai hatékonyság változásának hatását vizsgáló minden számítást a bioetanolra és a biodízelre vonatkozóan is 90 (repce vagy kukorica mint elsődleges alapanyag)/10 (napraforgó vagy búza) aránynál vizsgáltam. A rendelkezésemre bocsátott adatok repce-napraforgó 108%-os áraránya a statisztikai adatok elemzése során kialakított egyik időbeli vetületnek sem felel meg, ezért indokoltnak láttam a statisztikai eredményeknek megfelelő áraránnyal is elvégezni az alapanyagárakra és a technológiai hatékonyság változására vonatkozó számításokat. Ehhez a 2007-2013 időszakra számított 95,3%-os árarányt használtam. A repcéből kinyert olaj minden további egy százaléka költségcsökkenést eredményezett, de a költségcsökkenés mértéke csökkenő ütemű volt. Szintén megállapítható, hogy az optimálisnak tekinthető 40/60 arány egészen addig nem változott, amíg a technológia biodízel-kihozatali aránya el nem érte el a 40%-ot, itt azonban a költségek már nőni kezdtek. Ez az eredmény úgy is megfogalmazható, hogy a szórás segítségével meghatározott kockázat csökkentéséhez az 1 liter biodízelre jutó költségnövekedéssel kell számolni. A repcével ellentétben a napraforgó felhasználási hatékonyságának minden további egy százaléka növekvő költségcsökkenést eredményezett, a szórás szerinti optimum pedig már két hatékonyságnövekedést követően R30/N70 százalékos arányra váltott. Felmerült bennem a kérdés, hogy a két alapanyag dízel-kihozatali aránya milyen eredményhez vezet. A szórás szerinti optimális arány nem változott, ugyanakkor a költség csökkenő mértékben csökkent, de 35/50 dízel-kihozatali aránynál (2,44) sem érte el a csupán napraforgónál elért 1%-os aránynövekedést (2,46). Abban az esetben tehát, ha a kiindulási árarány változatlan marad, a napraforgó olaj-kihozatali arányának növelésére kell helyezni a hangsúlyt. A statisztikai adatoknak megfelelő árarány alkalmazásakor akár a repce, akár a napraforgó technológiai hatékonysága javulna, nincsen olyan pont, ahol a költségek növekedni kezdenének szemben az először alkalmazott 108%-os áraránnyal. Hasonlóság, hogy a repce hatékonyságának növekedése is előidézte az egységnyi kibocsátásra jutó alapanyagköltség csökkenését, ugyanakkor ez a csökkenés csökkenő ütemű, míg a napraforgónál növekvő volt. A statisztikai adatokon alapuló árarány alkalmazása eredményeként legkisebb kockázattal járó alapanyag-összetétel eltolódott a 30%Repce/70%Napraforgó arány felé, illetve a napraforgó hatékonyságának növekedése esetén 20%Repce/80%Naprafogó arány felé. Az árarány változása mellett is gyorsuló ütemben csökkent az 1 liter bioetanol kibocsátásra jutó költség minden újabb 10% napraforgó bevonásával. A rendelkezésemre bocsátott forrásban alkalmazott technológia révén mindkét felhasznált alapanyag 42%-a volt az előállítható bioetanol mennyisége. Így a technológiai hatékonyság javulása ellenére a költség csökkenés mértéke, valamint a szórás szerinti optimum pont által meghatározott alapanyagarány változatlan marad. A hatékonyság javítása a kiindulási árarányt változatlannak tekintve tehát kizárólag a költségszintet befolyásolja. A technológiai hatékonyság-változás hatásának mérhetősége érdekében megváltoztattam a kiinduló technológiai hatékonyságot a szakirodalmi forrásoknak megfelelően. Ez a kukorica esetében 46, míg a búzáéban marat a 42%. A kukorica technológiai hatékonyságának növelése az egy liter kibocsátásra vonatkozó költségek csökkenését eredményezte. A szórás szerinti optimum pont a hatékonyságtól függetlenül nem változott, ennek ellenére a költségcsökkenés a három tényező együttes változásának eredményeként gyorsuló ütemű volt. A búzára vonatkozó eredmény szerint a hatékonyság növekedésével az egy literre jutó alapanyagköltség alig csökken, egészen 45%-ig nem változik. A három tényező árváltozás, alapanyag-összetétel és technológiai hatékonyság 16
együttes hatásaként a költségek minden további 1% hatékonyságcsökkenés eredményeként egyre kisebb mértékben csökkentek. A 46/50%-os kukorica-búza hatékonyságaránynál a legkisebb kockázatot jelentő alapanyag-összetétel 70Kukorica/30Búza aránytól 30K/70B arányig terjed. Ebben az esetben a bioüzemanyag-gyártó döntési problémája az alapanyag szállítási távolságának és ezáltal a szállítási költségnek a minimalizálása lesz. A búza 51%-os feldolgozási hatékonysága mellett az optimum pont 50/50% alapanyag-összetételhez tolódott és a csökkenés mértéke növekvővé vált. Fontos megjegyezni, hogy ez a kalkuláció nem tér ki a technológiai hatékonyság javításához szükséges ráfordítások és költségek (technológia fejlesztése, megnövekedett segédanyagszükséglet) esetleges növekedésére, amely az egységnyi kibocsátásra jutó beruházási költségre gyakorolhat elsősorban hatást. 3.4. A beruházás-gazdaságossági számítások eredményei A bioetanol és a biodízel gazdasági elemzése körében számos vizsgálat készült korábban [BAI, 1998; VARGA, 2007; BABÁK et al., 2007; SOMOGYI, 2012] ezért az ismétlések elkerülésére, új megközelítési módra törekedtem a választott módszertan lehetőségeit kihasználva. Én vizsgálataimban leginkább a kockázati szempontú megközelítésben, illetve az egyes tényezők vizsgálatának mélységében tértem el. E különbség ellenére fontosnak tartom alapvizsgálataim összevetését a korábbi munkák eredményeivel. Az 10. táblázat tartalmazza VARGA (2008) és SOMOGYI (2012) számítási eredményeit a legfontosabb beruhzás-gazdaságossági mutatókra vonatkozóan. Szembetűnő, hogy VARGA (2008) munkájának eredményeként egy Magyarországon bizonytalan alapanyag és értékesítési piaccal rendelkező termék értékpapír piaci értékekkel jellemezhető. Különösen igaz ez az IRR értékére, amely 55%. Az értékek azonban megtévesztők: a dolgozatban mintegy mellékesen jegyezte meg a szerző, hogy statikus beruházás-gazdaságossági módszertant alkalmazott. A szakirodalom szerint ez a számítási változat nem alkalmas nagy volumenű beruházások értékelésére, mert az idő hosszúságából fakadó kockázatot a diszkontáláson keresztül nem érvényesíti, így jelentősen torzít az eredményeken [például: ULBERT, 1992; ILLÉS, 2000; BÉLYÁCZ, 2009]. SOMOGYI (2012) munkája mind a szakmai gyakorlathoz, mind a nemzetközi kutatások jellemzőihez közelebb áll eredményei és módszertana tekintetében egyaránt. Az általam kapott eredmények VARGA (2008) rendkívül magas IRR értékéhez képes mérsékeltek. A SOMOGYI (2012) által számított megtérülési idő tekintetében az olajpréselést is magába foglaló technológia később, míg az észterezési eljárást végző üzem egy évvel korábban térül meg az én eredményeim szerint azonos kalkulatív kamatláb használata mellett. 5. táblázat: A beruházás-gazdaságossági vizsgálatok eredményeinek összefoglalása (két szakirodalmi forrással összehasonlítva) Szakirodalmi források SAJÁT SZÁMÍTÁS EREDMÉNYE, 2014 Beruházásgazdaságossági Biodízel VARGA*, SOMOGYI, 2008 2012 Bioetanol számítás mutatója biodízel bioetanol Adatbázis I. Adatbázis II. időtáv 20 év 22 év 15 év NPV + + + MI 3. év 10. év 8. év 13. év 9. év diszkontkamatláb csökkenő** 6% 6% IRR 55% - 13% 11% 15% *=Varga (2008) eredményei statikus számításból származnak; **1.év: 26%, 2.év: 25%, 3.év: 23,5%, 4.év: 22,5%, 5.évtől: 13,5% Forrás: SAJÁT SZERKESZTÉS, 2014 saját számításaim eredménye (2014) és a jelölt források alapján A jelölések alapján látható, hogy az NPV értéke minden számítás szerint pozitív, így H 3 hipotézisem egyik része, amely szerint megtérülő beruházás a bioüzemanyag-gyártó üzem létesí- 17
tése, igazolást nyert. H 3.2 hipotézisem szintén igazolható, a technológiák közötti eltérés a beruházásgazdaságossági számítások eredményében is különbséget okoz. Az érzékenységi vizsgálatok eredményei VARGA (2008) eredménye szerint, ha a biodízel eladási ára 0,56 /liter alá süllyed, az NPV értéke zérus lesz. Ugyanez a repcemag beszerzési árának vetületében 250 /tonna árszintnél történne meg. Számítása révén igazolta, hogy az olajpogácsa 95 /tonna értékesítési ára a jövedelmezőséget, vagyis az IRR értékét 200% fölé emeli. Ez a következtetés még a statikus számítás torzítását is figyelembe véve véleményem szerint a valóságtól elrugaszkodott, elfogadása még döntés előkészítési fázisban sem javasolható. SOMOGYI (2012) érzékenységi vizsgálatai során elsősorban a különböző, működés közben felmerülő adónemek (iparűzési és társasági adó) hatását vizsgálta. Az érzékenységvizsgálat eredményei közül a biodízel előállításra vonatkozókat mutatom be. A beruházás-gazdaságossági vizsgálatokon alapuló érzékenységi vizsgálat során a bevételek változása a következők miatt indokolt: A költségek összetételében az alapanyag árának figyelembe vételét a 2008-ban lezajlott emelkedés, valamint a szélsőséges időjárási viszonyok miatti ingadozó termésátlagok és mennyiségek piaci árra gyakorolt hatása indokolja. További problémaként értékelhető e téren, hogy Magyarországon elenyésző a specifikus (ipari) fajták szerződéses termesztése, jellemzően az étkezési célra el nem adható termény kerül ipari felhasználásra. A teljes bevétel növekedése csökkenő ütemű NPV növekedést eredményezett. Egészen a bevétel +5%-os szintjéig az NPV növekedési üteme 0,02 százalékponttal csökkent. Szakaszos növekedést tapasztalva a 12-14, 15-18 és 19-22% növekedésre azonos mértékű NPV változás jutott. Ehhez képest a bevétel csökkenésére a nettó jelenérték mutató érzékenyebben reagál. 5% bevételcsökkenésig gyorsuló ütemben csökkent az NPV értéke és ennél a szintnél a mutató negatívvá vált, és ettől a ponttól a változás szintén csökkenő üteművé vált. A bevételváltozás hatásának további vizsgálatakor különválasztható lett volna a biodízel és a glicerin értékesítési árának hatása. Ez utóbbi azonban a teljes bevételnek csupán 0,28%-a, ezért a nettó jelenérték mutató alakulására nem gyakorol szignifikáns hatást. A számítások eredményeként a glicerin 1%-os változása következtében az NPV értéke a 15. év végén 0,006%-kal változott. Az alapanyagköltség változásának hatása a nettó jelenértékre a bevételnél leírtakhoz hasonló, de ellentétes előjelű jellemzőket mutatott. Az első 1% alapanyagköltség csökkenésének hatására az NPV értéke 14%-kal nőtt, majd a változás csökkenő ütemű lett. Ezzel szemben az alapanyagköltség növekedése 5%-ig növekvő ütemű volt: az első 1% növekményre 19%, a következőre 24%, majd 37% NPV csökkenés jutott. 6% alapanyagár-növekedés eredményeként az NPV már negatív volt és ettől a ponttól a nettó jelenérték csökkenő ütemben csökkent. Amennyiben az alapanyagok 7 árának változását különválasztjuk, a repce- 8%-os, a napraforgóolajnak 18%-os növekedése negatív NPV-t eredményezett. A segédanyagköltségre az NPV kevésbé reagál érzékenyen: 26%-kal kell nőni ennek a költségnek ahhoz, hogy az NPV negatívvá váljon minden más tényezőt változatlannak feltételezve. Ennél a költségnemnél is igaz volt, hogy a 0 ponthoz közeledve a függvény meredeksége nőtt. Számításaim során a bioetanol gyártásába történő beruházás egy lényeges, de hatását tekintve nehezen definiálható eleme volt a HUF/EUR árfolyam ingadozása. Ez a tényező rejtetten rendkívül erőteljes hatást gyakorolt a beruházás megtérülési tulajdonságaira: gyengülésével egyrészt ugyan növeli a beruházási és segédanyag-költségeket, ugyanakkor a bioetanol forintban kifejezett árára is felhajtó hatást gyakorol. 7 Alapanyagok összetétele: 64,3% repceolaj és 35,7 napraforgóolaj. 18
Abban az esetben, ha az alapszámításban figyelembe vett 240 HUF/EUR árfolyam a 2009. januári 290 HUF/EUR értékre változik, a megtérülési időre olyan jelentős mértékű hatással lehet, hogy a megtérülés minden más tényezőt változatlannak tekintve a hetedik évre várható. Ha az árfolyam csökken tehát a forint erősödik az alapanyagköltségek 30%-os csökkenése ellensúlyozhatja az árfolyam-ingadozás hatását. 3.5. Magyarország régióinak kockázati szempontú értékelése Magyarország régióinak értékelésére a Központi Statisztikai Hivatal adatait használtam. Módszertanom kiindulási pontjául az NNFCC (2008) tanulmánya szolgált, amelyet a (például) logisztikában alkalmazott telephely-elhelyezési problémák megoldására használt eszköznek megfelelően alakítottam át. A figyelembe vett tényezőket a 6. táblázatban tűntettem fel. 6. táblázat: A régiók elemzése során felhasznált változók Étékelési Elemzésbe vont statisztikai mutató kategória (http://www.ksh.hu/teruleti) Alapanyaglefedettség Termelési környezet Kukorica Búza Repce Napraforgó betakarított mennyiség (tonna) Szarvasmarha, sertés és tyúk állatállomány 8 (ezer db) Siló kukorica, csalamádé és lucernaszéna betakarított területe (ha) Műtrágyázott Szerves trágyázott Öntözött terület (ha) Védett terület nagysága (ha) GDP (ezer Ft/fő) Demográfiai Népsűrűség (fő/km 2 ) környezet Munkanélküliségi ráta (%) Mezőgazdaságban foglalkoztatottak száma (fő) Forrás: SAJÁT SZERKESZTÉS, 2014 a jelölt forrás alapján A csupán repcére alapozott biodízel üzemek száma meglehetősen alacsonynak tekinthető még a 2012-ben látható növekedés ellenére is. Egyes régiók esetében az alapanyag lefedettség alapján leginkább a napraforgóra alapozott biodízel-gyártás lenne javasolható tekintettel arra, hogy a napraforgó bevonása szignifikánsan növeli a lehetséges a számítás során figyelembe vett 5.000 t/év kibocsátású üzemek számát. A napraforgó kiemelkedő szerepe leginkább az Észak- és a Délalföldi régiókban meghatározó. A számítás eredménye úgy is megfogalmazható, hogy a rendelkezésre álló alapanyag mennyisége javítja az alapanyagellátás-biztonságát, azaz ezekben a régiókban jár a legkisebb kockázattal egy bioetanol vagy biodízel üzem létesítése. Számításom eredményei szerint a termelési kockázat tekintetében leginkább a Közép-magyarországi régió felelne meg, ahol a 2014-re csökkenő Társadalmi kockázat az egy főre jutó GDP növekedésének és a mezőgazdaságban foglalkoztatottak arányának növekedésére vezethető vissza. E két szempont szerint a bioüzemanyagok előállítására az Észak- és a Dél-alföldi régió tűnik a legkevésbé alkalmasnak, ami a magas állatlétszám miatti alacsony pontszámokkal magyarázható. Ez a két régióban a Társadalmi kockázat a többi régióhoz hasonlóan nőtt. Az alapanyag-lefedettség tekintetében Közép-magyarországi régióban volt a legkisebb változás időben és alapanyagban egyaránt. A bioetanol üzem telepítésére mindhárom szempont azonos súlyú 8 Az egyes állatcsoportok eltérő takarmányigénye miatt szükséges figyelembe venni a számosállat számításának szabályait. 19
szerepét feltételezve leginkább a Dél-alföldi és a Dél-dunántúli régió a legalkalmasabb. A biodízel alapanyagául használt repce vonatkozásában Nyugat- és Dél-Dunántúl mutat hasonló eredményt a változás irányát és mértékét tekintve is. Tekintettel az alapanyagköltség változásának hatására miszerint a kukoricára alapozott bioetanol előállítása kedvezőbb ökonómiai jellemzőkkel bír és számításaim szerint alacsonyabb kockázattál jár a felhasználása a Dél-dunántúli régió preferálandó. Ez még úgy is igaz, hogy 2006-ról 2012-re a teljes alapanyag-lefedettség mértéke csökkent. Az alapanyag-lefedettség csökkenése az Észak- Alföldi és a Dél-alföldi régiót is érintette, ugyanakkor ez utóbbi jelentős, közel 40%-os csökkenése volt a legnagyobb. Közép- és Nyugat-Dunántúl az elsőgenerációs technológiát alkalmazó bioetanolgyártás szempontjából egyenértékűnek tekinthető. Abból adódóan, hogy az egyes szempontok súlyozásának megítélése nem egyértelmű, az eredeti, általam Egyensúlyi szcenárió -nak elnevezett számításon túl három további számítást 9 végeztem. A súlyozás a Kelet-dunántúli régió eredményeit befolyásolta a legkevésbé, de 2012-ben a Nyugatdunántúli régió eredményeiben sem történt jelentős változás. A BaU vagyis az alapanyag lefedettséget hangsúlyozó szcenárió szerinti súlyozás a Közép-magyarországi régióban okozta a legszembetűnőbb csökkenést mindkét bioüzemanyag tekintetében, míg a legnagyobb változást a Dél-alföldi és az Észak-alföldi régióban okozta a bioetanol előállítás vonatkozásában. Minden szcenáriót és minden évet figyelembe véve, biodízel előállítására leginkább az Észak-alföldi és a Dél-alföldi régió alkalmas. A regionális értékelés szempontrendszerének bővítési lehetőségei A szakirodalom feldolgozása, a kérdőívem kiértékelése, minisztériumi munkám és a mindennapi életben felém áramló szakmai és tudományosan kevésbé megalapozott, de átgondolásra érdemes további szempontokat fogalmaztam meg. Az attitűd-vizsgálatban használt, általam elkészített kérdőívből elkészítettem azoknak a kérdéseknek és válaszlehetőségeknek a régiók szerinti bontását, amelyek véleményem szerint a bioüzemanyagok magas használati és/vagy fizetési hajlandóságára utaltak. A kérdések megfogalmazása és a kiválasztott válaszlehetőségek alapján az a régió a leginkább preferált, ahol a legmagasabb a válaszadók aránya. Ezeket a régiók értékelési szempontjait értékelő logikának megfelelően számítottam át. Véleményem és a válaszok statisztikai elemzésének eredménye szerint ezt a tényezőt önálló, negyedik fő szempontként figyelembe venni nem indokolt, a Társadalmi kockázat csoportjába azonban bevonható. Érvényesítve az Attitűd pontszámait, a Közép-magyarországi régióban jelentős, a Nyugat-dunántúli régióba mérsékelt javulást idézett elő. Az Alapanyag lefedettség -ben legjobb eredménnyel szereplő Észak-dunántúli és Dél-alföldi régióban a társadalmi kockázat fokozódása figyelhető meg, amelyet a pontszámok csökkenése jelölt. További szempont lehet a régiókban már működő bioüzemanyag gyártó egységek figyelembe vétele, ennek elemzésétől azonban mind a biodízel, mind a bioetanol esetében a következő okok miatt tekintettem el: 1. A már működő üzemek alapanyag-beszerzési forrásairól rendkívül kevés információ áll rendelkezésre. 2. A (leginkább interneten) fellelhető források szerint már a beruházás tervezése során is jelentős mennyiségű importált alapanyag felhasználásával számolnak. 3. Arra vonatkozóan, hogy az engedélyezési eljárás sikeresen teljesítő tervek milyen kivitelezési és üzemeltetési/kapacitáskihasználási fázisban tartanak, személyes megkeresés révén tudtam volna releváns információt gyűjteni. Tekintettel azonban a kérdőíves lekérdezés, 9 Az alkalmazott súlyok az értékelési kategóriák sorrendjében a következők voltak: Fenntartható (alapszámítás): 33,33% minháromra; BaU (business as usual): 60/20/20%; Agro-egyensúlyi : 20/60/20%; Foglalkoztatási : 20/20/60%. 20